Bij kunstmatige intelligentie denken we aan zelfrijdende auto’s en spraakgestuurde computers. Dit zijn mooie vergezichten die ons in de praktijk vooralsnog niet raken. Er zijn vandaag ook praktische toepassingen waarmee veel efficiency behaald kan worden in het creditmanagementproces.
Wat is het?
Iedereen heeft een beeld bij kunstmatige intelligentie maar wat is het precies? Dat is vrij eenvoudig. Kunstmatige intelligentie is een verzamelnaam voor computermodellen die leren van voorbeelden zoals wij mensen. Wij kunnen een kat van een hond onderscheiden. Niet omdat we de poten tellen en dan het antwoord weten, maar omdat we talloze voorbeelden hebben gezien in ons leven. Ook als we een hond zien van een ras dat we nooit eerder hebben gezien, herkennen we het als een hond. Een computer kan op dezelfde manier leren om honden en katten van elkaar te onderscheiden. En omdat het geheugen van een computer feilloos is, kan de computer het daarna ontzettend goed.
Het succes verklaard
Onderscheid maken tussen katten en honden is niet zo spectaculair maar het is bijvoorbeeld ook mogelijk om onderscheid te maken tussen betaalachterstanden die relatief snel geïncasseerd worden en welke blijven oplopen. Deze inzage vooraf biedt de mogelijkheid om de ‘goede’ laatbetalers minder intensief en met een vriendelijker tone of voice op te gaan volgen. De paar echte probleemgevallen kunnen direct veel intensiever worden opgevolgd . Deze aanpassingen in het incassoproces leiden tot een lagere gemiddelde betaalachterstand en een hogere debiteur tevredenheid. En dat met minder inspanningen.
Dat willen we allemaal wel
Meer opbrengsten uit minder werk, dat willen we allemaal wel. Dat lijkt logisch, maar mensen hebben natuurlijke weerstand tegen verandering. We vinden het allemaal heel gewoon dat een computer een aantal taken beter kan dan wij mensen. Dat geldt vooral voor taken waar we de computer al jaren voor gebruiken. Bij nieuwe toepassingen hebben we vreemd genoeg weer moeite om te accepteren dat een computer dat beter kan dan wij. Wie durft er in een vliegtuig zonder piloot te stappen? En wie durft te vertrouwen op de voorspelling van een computer als het om het eigen incassoproces gaat?
Valkuilen
Door de aanhoudende stroom van berichten over behaalde successen met kunstmatige intelligentie, willen steeds meer bedrijven hier concreet mee aan de slag. De drie grootste valkuilen hierbij zijn:
- Groot denken: eenmaal enthousiast geworden, willen we alles ineens. Grote projecten hebben veel potentie maar ook een groot afbreukrisico. Daarom is een praktische stap voor stap aanpak aan te bevelen. Begin met één praktische toepassing en ga experimenteren. Zo blijven de kosten laag, doe je ervaring op met de techniek en levert het direct geld op.
- Onze data is niet goed genoeg: data zijn nodig om kunstmatige intelligentie modellen te laten leren. Hoe meer data en hoe beter de data, hoe beter het eindresultaat. De valkuil is dat we willen wachten tot we alle data hebben en deze data perfect zijn. De verbetering die mogelijk is, met de huidige kwaliteit en kwantiteit van de data, is enorm. Beginnen dus! Van wachten leer je niets. Bovendien zit de concurrentie ook niet stil.
- Onderschatten van de complexiteit: Kunstmatige Intelligentie vereist expertise omdat het complex is en een verkeerde besissing is makkelijk gemaakt. Een voorbeeld ter verduidelijking is een computermodel dat honden van wolven moest onderscheidden. Het werkte prima. Totdat er honden in de sneeuw voorbijkwamen. Die werden allemaal als wolf aangemerkt. Het computermodel bleek de beslissing te baseren op de achtergrond. Om dergelijke onwenselijke situaties te voorkomen, is ervaring, kennis en kunde nodig van kunstmatige intelligentie. Zelf doen is zeker mogelijk maar verwacht niet dat het ‘even erbij’ kan.
Bron: Creditexpo.nl
